Neuronske mreže
Opis predmeta
Opće kompetencije
Student stječe temeljna znanja iz umjetnih neuronskih mreža i genetičkih algoritama, uz primjene u raspoznavanju uzoraka u analizi različitih tipova informacija kao što su signali i slike, te u različitim područjima primjena. Studenti razumiju osnovne elemente i vrste neuronskih mreža: modeli neurona, algoritmi učenja, asocijativne mreže, Rosenblattov perceptron, višeslojni perceptron, radijalne mreže, mreže s potpornim vektorima, rekurzivne mreže, samoorganizirajuće mreže i genetski algoritmi. Studenti će znati koristiti računalne programe za simulaciju i implementaciju neuronskih mreža.
Ishodi učenja
- definirati i opisati koncepte teorije umjetnih neuronskih mreža
- nabrojati primjere primjena neuronskih mreža
- objasniti metode umjetnih neuronskih mreža
- razlikovati praktični problem učenja i korištenja neuronskih mreža
- kombinirati stečena znanja u svrhu rješenja danog problema
- procijeniti kvalitetu rješenja dobivenog korištenjem neuronske mreže
Oblici nastave
Predavanja se izvode prema objavljenom planu i na temelju studentima dostupnih materijala.
Provjere znanjaProvjera znanja se odvija kroz međuispit i finalni ispit koji se buduju zajedno s ostalim aktivnostima studenata. Studenti koji nisu prošli ispit kroz kontinuiranu evaluaciju imaju mogućnost polaganja na ispitnom roku.
Laboratorijske vježbeLaboratorijske vježbe se izvode prema objavljenom planu i na temelju uputa koje su dostupne studentima. Vježbe obuhvaćaju programsku implementaciju raznih neuronskih mreža.
KonzultacijeKonzultacije su usmene i na zahtjev studenta.
Ostali oblici skupnog ili samostalnog učenjaStudentski timski projekt.
Način ocjenjivanja
Kontinuirana nastava | Ispitni rok | |||||
---|---|---|---|---|---|---|
Vrsta provjere | Prag | Udio u ocjeni | Prag | Udio u ocjeni | ||
Laboratorijske vježbe | 50 % | 20 % | 50 % | 0 % | ||
Seminar/Projekt | 50 % | 20 % | 50 % | 0 % | ||
Međuispit: Pismeni | 50 % | 30 % | 0 % | |||
Završni ispit: Pismeni | 50 % | 30 % | ||||
Ispit: Pismeni | 60 % | 50 % | ||||
Ispit: Usmeni | 50 % |
Tjedni plan nastave
- Uvodne napomene. Uvod u neuronske mreže - 1. dio.
- Uvod u neuronske mreže - 2. dio.
- Proces učenja. Asocijativna memorija.
- Rosenblatt perceptron. LMS algoritam.
- Višeslojni perceptron.
- Radijalne mreže.
- Stroj s potpornim vektorima.
- Međuispit
- Rekurzivne mreže. Hopfieldova mreža.
- Samoorganizirajuće mreže.
- Genetički algoritmi i evolucijske strategije.
- Neuroračunala.
- Praktične primjene neuronskih mreža
- Prezentacije timskih projekata studenata.
- Završni ispit.